人工神经网络导论（蒋宗礼），灰色预测资料

李食其

# \8 N8 q/ F2 @: A7 j4 l" g现在已知一种产品的库存记录，预测下个月的库存
# ~9 B0 `2 Y) w8 o4 \' s. z我查找了各种预测的资料，也编程算了，用了灰度预测，神经网络，拟合，时间序列，能用的都用了，可是没一个准的。我要疯了
我的神经网络程序如下
) Y- S8 C7 u! F" ?T=[...];
n=length(T);
! c2 m+ L+ T5 T1 A& t0 p, mP=1:n;
0 L; a# @# \$ _: Q* q: t; f0 r2 j%  创建一个新的前向神经网络
net_1=newff(minmax(P),[49,1],{'tansig','purelin'},'traingdm')
3 X& A1 \5 |+ f- ]! c! n( p( E%  当前输入层权值和阈值
inputWeights=net_1.IW{1,1};
9 H+ O+ |* x- F% _+ z" hinputbias=net_1.b{1};
%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
/ D' c8 g; k5 Z% [2 R( K- S% x1 alayerbias=net_1.b{2};
- i: D! J) ~$ R, I) |) l+ @( `%  设置训练参数
8 K5 {: T' z' w% k' o; dnet_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
. @, s& P/ c& p6 [4 y' p4 Jnet_1.trainParam.epochs = 3000;
net_1.trainParam.goal = 0.0001;
! j/ [; N  P; K+ E- z% e5 }: n* A%  调用 TRAINGDM 算法训练 BP 网络
6 m- R, K6 i9 _5 {8 Z9 M5 g' y# @[net_1,tr]=train(net_1,P,T);
, |2 d' m3 g8 L; a( C. x% P$ }8 u%  对 BP 网络进行仿真
A = sim(net_1,P)
%  计算仿真误差
E = T - A;
MSE=mse(E)
; A  `7 [( P; t, I! L/ s& W0 O: D! gx=[n+1];%测试
7 H5 u; `* w9 A, v! f: g- B. j: s  Ekn=sim(net_1,x)
4 u6 T$ D5 f& O
每一次运行的结果都不一样，而且没一次准的，有的时候差的还特别多。
1 n6 X8 z, u  J) A" |我的数据量挺大的，从2007年至今，而且数字比较大
有没有懂得，帮帮我。
献上资料先

何挺

这么难啊    ^^^

anonymous123

我看你还是自己做吧

wl_850357290

不知我能不能帮上你啊

xypfs21

数据的噪声？

xypfs21

数据的噪声？

wphls

虚心学习好东西

narutoxcb

感谢4楼资料

mcmzy

感谢4楼资料.

李食其

我有点懂了
神经网络做的预测就是变化的，不是一个常数，这是由于初值的影响
这样可以吗？如果已知n组数据，欲预测第n+1个的值，可以用前n-1个数据做训练数据，用第n个做检验，对算得比较准的网络进行保存，用这个网络计算第n+1。
有没有理论支持说，对一个准的，对后面的也准？